“合作對”視角下合作伙伴知識基礎(chǔ)與企業(yè)知識獲?。褐R鄰近性的調(diào)節(jié)作用

姜秀娟 李琳琳 張丞奭 田利娜

摘? ?要：運用知識基礎(chǔ)理論，基于納米能源領(lǐng)域?qū)＠麛?shù)據(jù)，篩選出企業(yè)合作對，探究合作伙伴的知識基礎(chǔ)特征對焦點企業(yè)知識獲取的影響，分析焦點企業(yè)與合作伙伴知識鄰近性的調(diào)節(jié)效應(yīng)。負(fù)二項回歸分析結(jié)果表明，合作伙伴知識多樣性、知識組合機會對焦點企業(yè)知識獲取都具有促進(jìn)作用；合作伙伴知識組合潛力越大，焦點企業(yè)知識獲取越少；合作雙方的知識鄰近性弱化了合作伙伴知識組合潛力與焦點企業(yè)知識獲取的負(fù)向關(guān)系，強化了合作伙伴知識組合機會與焦點企業(yè)知識獲取的正向關(guān)系。

關(guān)鍵詞：知識多樣性；知識組合潛力；知識組合機會；知識鄰近性；知識獲取

中圖分類號：F273.1；F272? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：1673-291X（2024）06-0019-04

引言

如今創(chuàng)新已經(jīng)成為時代發(fā)展的主題，企業(yè)要想在競爭中獲取優(yōu)勢，就必須加強知識創(chuàng)造和技術(shù)創(chuàng)新。很少有公司擁有成功和持續(xù)創(chuàng)新所需要的所有資源和能力。企業(yè)基于合作從外部獲取知識，并與內(nèi)部知識進(jìn)行整合，是提升企業(yè)自身創(chuàng)新能力和創(chuàng)新績效的重要途徑。因此，在未來合作中知識獲取預(yù)期是企業(yè)在合作創(chuàng)新中選擇合作伙伴的重要考量因素。

知識獲取越來越受學(xué)界的關(guān)注。已有研究按照知識獲取的知識源，將其劃分為內(nèi)部知識獲取和外部知識獲取。內(nèi)部知識獲取主要指基于企業(yè)內(nèi)部的研發(fā)活動增加企業(yè)的新知識，外部知識獲取主要指通過企業(yè)并購、R&D聯(lián)盟、技術(shù)購買、人才引進(jìn)等方式從企業(yè)外部獲取知識。本研究的知識獲取指的是外部知識獲取。

在知識獲取已有研究的基礎(chǔ)上，本文擬基于焦點企業(yè)的合作伙伴選擇視角，聚焦合作伙伴知識基礎(chǔ)特征及合作雙方的知識關(guān)系特征，探討兩類因素對焦點企業(yè)知識獲取的影響機理。當(dāng)前關(guān)于組織知識基礎(chǔ)特征的研究較多，主要探討組織知識基礎(chǔ)的多樣性、深度和廣度等特征對組織自身的影響，而研究合作伙伴知識基礎(chǔ)特征對焦點企業(yè)影響的很少。實際上，與不同的組織合作，焦點企業(yè)知識獲取情況會有不同。劉鳳朝等[1]研究發(fā)現(xiàn)，合作伙伴的知識多樣性對焦點企業(yè)的創(chuàng)新績效有正向影響。關(guān)于合作雙方間的知識關(guān)系特征的研究大多圍繞雙方知識基礎(chǔ)的相似性（鄰近性）、互補性等特征，探討其對創(chuàng)新績效的影響。而專門研究合作雙方的知識關(guān)系特征對焦點企業(yè)知識獲取影響的很少。Rosenkopf等[2]認(rèn)為，組織間的技術(shù)相似性影響組織的學(xué)習(xí)效果?？梢姡F(xiàn)有相關(guān)研究大多聚焦合作伙伴知識基礎(chǔ)特征及合作雙方的知識關(guān)系特征，對焦點企業(yè)知識獲取影響機理的探討還很少。而且，目前對合作創(chuàng)新的研究，在衡量合作伙伴的相關(guān)特征時，絕大部分文獻(xiàn)都是對企業(yè)的所有合作伙伴特征進(jìn)行平均化處理，忽略了不同合作伙伴之間的差異，對企業(yè)到底選擇什么樣的合作伙伴的指導(dǎo)意義降低。因此，本研究基于德溫特創(chuàng)新指數(shù)數(shù)據(jù)庫中納米能源領(lǐng)域的聯(lián)合申請專利，篩選出一對一的“合作伙伴—焦點企業(yè)”合作對，主要考察合作伙伴的知識基礎(chǔ)特征，包含知識多樣性、知識組合潛力與知識組合機會對焦點企業(yè)知識獲取的影響，并探究合作雙方知識鄰近性的調(diào)節(jié)作用，以期為企業(yè)選擇合作伙伴進(jìn)行合作創(chuàng)新提供理論依據(jù)。

一、理論基礎(chǔ)與研究假設(shè)

（一）合作伙伴知識多樣性與焦點企業(yè)知識獲取

知識基礎(chǔ)理論強調(diào)知識是企業(yè)的重要資源。近年來，隨著合作創(chuàng)新趨熱，有學(xué)者開始關(guān)注合作伙伴知識基礎(chǔ)特征對焦點企業(yè)的影響。Ravichandran和Giura[3]認(rèn)為，聯(lián)盟伙伴的知識基礎(chǔ)越龐大，焦點企業(yè)可以接觸的知識組合數(shù)量就越多，從而會增加其在知識重組活動中使用聯(lián)盟伙伴知識的可能。合作伙伴擁有的知識元素多樣性程度高（見圖1），說明他們的知識分布在不同的領(lǐng)域，與知識集中分布在單一領(lǐng)域的企業(yè)相比，這些組織知識分布較廣，技術(shù)更加靈活，能夠更好地將不同領(lǐng)域的知識結(jié)合起來進(jìn)行創(chuàng)新，在與其他組織進(jìn)行合作時他們更受歡迎。作為焦點企業(yè)，與知識多樣化程度高的企業(yè)合作時，更有可能獲取和整合適合他們的知識。因此本文提出假設(shè)：

H1：合作伙伴知識多樣性的提升對于焦點企業(yè)知識獲取具有促進(jìn)作用。

（二）合作伙伴知識組合潛力與焦點企業(yè)知識獲取

合作伙伴知識組合潛力表示合作伙伴知識元素在知識網(wǎng)絡(luò)中的位置特征（見圖1）依賴于知識元素之間的聯(lián)系，而這種聯(lián)系通常取決于該知識元素的組合歷史。學(xué)者們通常用知識元素在網(wǎng)絡(luò)中的度中心位置表示知識組合潛力，知識元素度中心性越大，代表知識的組合潛力越大[4，5]。Brennecke等[4]認(rèn)為，過去已經(jīng)廣泛結(jié)合的知識元素，發(fā)明者對它們比較熟悉，被認(rèn)為其不再提供許多重組的可能性，所以發(fā)明人知識元素的高組合潛力使他們成為同事的顧問的吸引力降低。同樣地，在企業(yè)層面，合作伙伴擁有較高的知識組合潛力，說明內(nèi)部的知識元素在整個行業(yè)中處于中心位置，并且已經(jīng)與其他知識元素之間擁有很多聯(lián)系，進(jìn)行了豐富的組合，未來這些知識元素被組合的可能性降低。因此，與低的知識組合潛力的合作伙伴相比，焦點企業(yè)在與高知識組合潛力的合作伙伴合作時，能夠進(jìn)行知識組合的機會更少。因此提出假設(shè)：

H2：合作伙伴知識組合潛力的提升對于焦點企業(yè)知識獲取具有抑制作用。

（三）合作伙伴知識組合機會和焦點企業(yè)知識獲取

Wang等[6]認(rèn)為，知識間的潛在組合機會與知識網(wǎng)絡(luò)結(jié)構(gòu)洞豐富程度息息相關(guān)。高知識組合機會代表組織擁有的知識元素與其他知識元素相連，而這些其他知識元素本身并沒有在一項發(fā)明中被組合，說明它們在主題上很可能是相關(guān)的（見圖1），因此，組織或發(fā)明人通過中介知識元素搜索其他相關(guān)知識元素和組合機會比較便利。Brennecke等[4]研究表明，發(fā)明者的知識元素提供的組合機會越多，就有越多的人向發(fā)明者尋求與工作相關(guān)的建議。類似的，知識組合機會越大的組織為未來的知識重新組合提供了更多的機會。焦點企業(yè)在與其他企業(yè)合作創(chuàng)新時，一方面看重伙伴的知識組合經(jīng)驗和能力，另一方面尋求知識的互補或融合。合作伙伴知識組合機會越多，越能激發(fā)焦點企業(yè)的學(xué)習(xí)動機，獲取更多知識。因此提出假設(shè)：

H3：合作伙伴知識組合機會的提升對于焦點企業(yè)知識獲取具有促進(jìn)作用。

（四）合作雙方知識鄰近性的調(diào)節(jié)作用

關(guān)于知識鄰近性，組織之間知識鄰近性程度高代表組織具有相同或相近領(lǐng)域的知識較多（見圖1）。研究發(fā)現(xiàn)，知識鄰近性增加了一家公司利用另一家公司知識的可能性[2]。首先，當(dāng)合作伙伴擁有的知識多樣化程度較高時，焦點企業(yè)理解或吸收合作伙伴知識的難度增加，企業(yè)需要付出更大的努力和成本去學(xué)習(xí)合作伙伴的知識。但如果焦點企業(yè)與合作伙伴具有較高的知識鄰近性，那么焦點企業(yè)對合作伙伴知識的理解和組合也會更容易。其次，如果合作伙伴的知識組合潛力較高，且焦點企業(yè)與合作伙伴的知識鄰近性較高，則意味著焦點企業(yè)和合作伙伴所處的知識領(lǐng)域有較大重疊，有利于焦點企業(yè)深入理解合作伙伴細(xì)分領(lǐng)域的知識，并且有利于較好進(jìn)行整合。最后，知識組合機會較高的合作伙伴，其在知識網(wǎng)絡(luò)中占據(jù)大量的結(jié)構(gòu)洞，這為未來的知識重組創(chuàng)造機會。當(dāng)焦點企業(yè)尋求外部的知識重組以創(chuàng)造新發(fā)明時，與低的知識鄰近性相比，其與合作伙伴的知識鄰近性越高，越有利于焦點企業(yè)對合作伙伴知識的深入的理解，向合作伙伴尋求新的知識組合機會的成本也越低，更有利于焦點企業(yè)向合作伙伴學(xué)習(xí)。故本文提出以下假設(shè)：

H4a：知識鄰近性越高，合作伙伴知識多樣性對焦點企業(yè)知識獲取的促進(jìn)作用越強。

H4b：知識鄰近性越高，合作伙伴知識組合潛力對焦點企業(yè)知識獲取的抑制作用越弱。

H4c：知識鄰近性越高，合作伙伴知識組合機會對焦點企業(yè)知識獲取的促進(jìn)作用越強。

圖1 變量示圖

基于以上的研究假設(shè)，總結(jié)本研究的理論模型如圖2所示。

圖2? 理論模型

二、研究設(shè)計

（一）樣本選取與數(shù)據(jù)來源

本文針對納米能源領(lǐng)域開展合作創(chuàng)新的企業(yè)進(jìn)行實證研究，使用德溫特創(chuàng)新索引數(shù)據(jù)庫提取納米能源專利數(shù)據(jù)，借鑒Guan和Liu[7]的關(guān)鍵詞檢索策略對納米能源專利進(jìn)行檢索。本文選取2005—2020年作為研究區(qū)間，經(jīng)數(shù)據(jù)清洗，篩選出專利24 404條。

根據(jù)對專利權(quán)人這15年中專利總量進(jìn)行排序，由于本文主要研究企業(yè)的知識獲取，因此按照德溫特分配給專利權(quán)人的唯一標(biāo)準(zhǔn)代碼識別焦點企業(yè)，選取專利授權(quán)數(shù)量在20條及以上的企業(yè)進(jìn)行研究，最終得到51家焦點企業(yè)。將這些企業(yè)在研究期間的納米能源專利下載后，根據(jù)每一條專利的專利權(quán)人識別焦點企業(yè)的合作伙伴，并同樣選取專利數(shù)量20及以上的具有標(biāo)準(zhǔn)代碼的合作伙伴，而后形成合作對組合，例如A企業(yè)有兩個合作伙伴B和C，本文將得到A-B和A-C兩個合作對。使用五年時間移動窗口t-5至t-1年來測量自變量和調(diào)節(jié)變量，考慮到學(xué)習(xí)效果的滯后性，本研究的因變量滯后一年，取t年，最終得到110個一對一合作對的772個觀測值。

（二）變量測度

1.因變量

因變量為焦點企業(yè)對合作伙伴的知識獲取（CN），本文借鑒、Kok等[8]的研究，焦點企業(yè)第t年的知識獲取用該企業(yè)第t年的專利引用合作伙伴專利的總數(shù)來衡量。本文認(rèn)為，焦點企業(yè)從合作伙伴那里學(xué)習(xí)和吸收知識需要時間，因此該變量相對于自變量對應(yīng)的時間窗口滯后了一年。

2.自變量

本文根據(jù)Wang等[6]的做法，將合作伙伴知識多樣性（KD）用合作伙伴申請的專利中包含的知識元素的數(shù)量來測度，即合作伙伴專利中前四位IPC種類數(shù)量越多，知識多樣性越大。

對于知識組合潛力（DC）的測度參照Brennecke等[4]的做法，用合作伙伴的所有知識元素在整個行業(yè)的知識網(wǎng)絡(luò)中的度中心性的平均值來表示，度中心性的平均值越大，其知識組合潛力越大。

知識組合機會（SH）用結(jié)構(gòu)洞來衡量。根據(jù)付雅寧等[9]的做法，用2與限制度的差值來衡量節(jié)點結(jié)構(gòu)洞的豐富程度。并取合作伙伴所有知識元素的結(jié)構(gòu)洞均值作為該合作伙伴的結(jié)構(gòu)洞測量值，該值越大，其知識組合機會越大。

3.調(diào)節(jié)變量

為了計算知識鄰近性，本文采用Jaffe[10]的計算方法，按照國際專利分類標(biāo)準(zhǔn)，以專利的大類為基礎(chǔ)，得出知識鄰近性的計算公式如下：

KS=■f■f■/ ■

其中，fik和fjk分別是組織i和組織j以前三位IPC分類號表示的技術(shù)類別k技術(shù)領(lǐng)域申請的專利數(shù)量，n為所有三位數(shù)IPC分類號表示的技術(shù)類別；KS代表知識鄰近性，取值在0與1之間，數(shù)值越大，說明組織i與組織j之間的知識鄰近性越高。

4.控制變量

焦點企業(yè)創(chuàng)新能力（NFP），用每個時間窗口下焦點企業(yè)的專利數(shù)量衡量其創(chuàng)新能力。焦點企業(yè)合作經(jīng)驗（FCA），使用焦點企業(yè)在時間窗口下的合作伙伴數(shù)量來測度此變量。合作伙伴創(chuàng)新能力（NPP）用合作伙伴的專利數(shù)量衡量其創(chuàng)新能力。雙方合作次數(shù)（NCP），雙方合作次數(shù)越多，意味著彼此有更多的信任，用五年內(nèi)合作總次數(shù)來衡量此變量。

三、實證分析

（一）描述性統(tǒng)計與相關(guān)性檢驗

本研究采用Stata16.0對數(shù)據(jù)進(jìn)行了描述性統(tǒng)計分析及相關(guān)性檢驗，結(jié)果顯示，知識多樣性與知識獲取正相關(guān)（β=0.127），知識組合潛力與知識獲取負(fù)相關(guān)（β=-0.154）。為了進(jìn)一步檢驗變量間的多重共線性問題，本文計算了每個變量的方差膨脹因子（VIF），最小值1.31，最大值3.45，小于5，因此變量之間不存在嚴(yán)重的多重共線性問題。

（二）負(fù)二項回歸分析

由于因變量知識獲取是一個離散型非負(fù)計數(shù)變量，因此選擇使用負(fù)二項回歸模型來檢驗假設(shè)。為了減小多重共線性問題，對涉及交互項的變量進(jìn)行了中心化處理?；貧w分析結(jié)果見表1。

模型1是基礎(chǔ)模型，只加入了控制變量，從結(jié)果中可看出，合作次數(shù)、合作伙伴創(chuàng)新能力對焦點企業(yè)知識獲取都有顯著影響；模型2的結(jié)果顯示，合作伙伴知識多樣性與焦點企業(yè)知識獲取呈顯著的正相關(guān)關(guān)系，H1得到驗證。合作伙伴知識組合潛力和知識組合機會對焦點企業(yè)的知識獲取分別有顯著的負(fù)向影響和正向影響，因此H2和H3得到驗證。由模型3回歸結(jié)果可以看出，知識鄰近性對合作伙伴知識多樣性與焦點企業(yè)知識獲取的關(guān)系的調(diào)節(jié)作用不顯著，H4a未通過驗證。原因可能是，雖然知識鄰近性能夠使焦點企業(yè)更好地理解合作伙伴的知識，但是可能并未增強其對合作伙伴知識獲取的動機。模型4回歸結(jié)果顯示，知識鄰近性越高，合作伙伴知識組合潛力對焦點企業(yè)知識獲取抑制作用減弱，因此H4b得到支持。模型5的結(jié)果說明隨著焦點企業(yè)與合作伙伴之間的知識鄰近程度增高，合作伙伴知識組合機會對焦點企業(yè)的知識獲取的促進(jìn)作用也會提高，H4c得到驗證。

（三）穩(wěn)健性檢驗

為了進(jìn)一步確定模型檢驗結(jié)果的可靠性和穩(wěn)健性，本文將因變量換為滯后2年（t+1年）的焦點企業(yè)對合作伙伴的專利引用（CN2），同樣采取負(fù)二項回歸模型進(jìn)行檢驗，檢驗結(jié)果與之前的回歸結(jié)果基本一致，因此，模型的結(jié)果是比較穩(wěn)定的。

四、結(jié)論與啟示

本研究得到以下結(jié)論與啟示。

第一，合作伙伴的知識多樣性對焦點企業(yè)知識獲取具有正向影響，合作伙伴知識組合潛力抑制焦點企業(yè)的知識獲取。因此，焦點企業(yè)在選擇合作伙伴時，在同等條件下，要優(yōu)先考慮知識領(lǐng)域廣泛多樣、知識元素組合潛力低但組合機會高的合作伙伴。

第二，本研究發(fā)現(xiàn)，合作雙方高知識鄰近性削弱了合作伙伴知識組合潛力對企業(yè)知識獲取的負(fù)向影響，增強了合作伙伴知識組合機會對企業(yè)知識獲取的正向影響。因此，當(dāng)擬合作伙伴知識組合潛力越高時，或者擬合作伙伴知識組合機會越低時，焦點企業(yè)越應(yīng)該審視雙方的知識鄰近性。如果知識鄰近性很低的話，很可能與對方的合作并不能帶來自身知識基礎(chǔ)的有效擴展；如果焦點企業(yè)尋求合作的目的并非是為了互補專業(yè)化，那么選擇與自身的知識領(lǐng)域具有一定鄰近性的合作伙伴，可以避免太大的技術(shù)距離帶來的學(xué)習(xí)困難以及過高的學(xué)習(xí)成本，并且可以帶來較好的學(xué)習(xí)效果。

第三，對于合作伙伴來說，在合作過程中，其知識基礎(chǔ)特征影響著對方的學(xué)習(xí)效果。因此，在合作之前，組織應(yīng)對合作發(fā)起方的知識基礎(chǔ)有系統(tǒng)的了解，并且與自身的知識基礎(chǔ)進(jìn)行對比，充分考慮合作帶來的收益及可能的知識溢出情況，再斟酌是否接受合作邀請。

參考文獻(xiàn)：

[1]? ?劉鳳朝，羅蕾，張淑慧.知識屬性、知識關(guān)系與研發(fā)合作企業(yè)創(chuàng)新績效[J].科研管理，2021，42（11）：155-163.

[2]? ?Rosenkopf L， Almeida P. Overcoming local search through alliances and mobility[J].Management Science，2003，49（6）：751-766.

[3]? ?Ravichandran T，Giura S I.Knowledge transfers in alliances：exploring the facilitating role of information technology[J].Information Systems Research，2019，30（3）：726-744.

[4]? ?Brennecke J， Rank O. The firm's knowledge network and the transfer of advice among corporate inventors—amultilevel network study[J]. Research Policy，2017，46（4）：11787.

[5]? ?Zhao Y，Han X，Yang X，et al. Interorganizational knowledge networks，R&D alliance networks，and innovation capability：a multilevel network perspective[J].Complexity，2021：1-22.

[6]? ?Wang C L， Rodan S，F(xiàn)ruin M，et al. Knowledge networks， collaboration networks，and exploratory innovation[J].Academy of Management Journal，2014，57（2）：484-514.

[7]? ?Guan J C， Liu N. Exploitative and exploratory innovations in knowledge network and collaboration network： apatent analysis in the technological field of nano-energy[J].Research Policy，2016，45（1）：97-112.

[8]? ?Kok H， Faems D， De Faria P. Ties that matter：the impact of alliance partner knowledge recombination novelty on knowledge utilization in R&D alliances[J].Research Policy，2020，49（7）：19.

[9]? ?付雅寧，劉鳳朝，馬榮康.發(fā)明人合作網(wǎng)絡(luò)影響企業(yè)探索式創(chuàng)新的機制研究：知識網(wǎng)絡(luò)的調(diào)節(jié)作用[J].研究與發(fā)展管理，2018，30（2）：21-32.

[10]? ?Jaffe A B.Technological opportunity and spillovers of R&D：Evidence from firms' patents，profits，and market value[J]．American Economic Review，1986，76（5）：984-1002．

[責(zé)任編輯? ?妤? ?文]